共查询到20条相似文献,搜索用时 15 毫秒
1.
当前舰船图像以海量的形式存在,传统分类算法的工作时间长、舰船图像分类的实时性差,为了快速、高精度的实现舰船图像分类,设计了基于大数据理论的舰船图像分类算法。首先对舰船图像分类的研究现状进行分析,采集舰船图像,建立舰船图像分类的特征库,然后对待分类舰船图像,采用大数据理论和机器学习算法进行特征匹配,将舰船图像分类相应的类别中,最后进行舰船图像分类的模拟测试。结果表明,本文算法可以短时间内实现舰船图像分类,舰船图像分类的误差远远小于实际应用的控制范围,而且舰船图像分类的整体效果要优于传统的舰船图像分类算法。 相似文献
2.
《舰船科学技术》2020,(2)
舰船图像在拍摄过程中,由于各种因素的干扰,得到舰船图像不完整,难以描述舰船图像所要表达目标的信息,而当前舰船图像拼接算法存在拼接准确率低、拼接过程复杂等不足,为了获得理想的舰船图像拼接结果,提出基于改进SIFT算法的舰船图像拼接算法。首先提取待拼接舰船的图像,并对它们进行归一化、颜色增强、噪声滤波等操作,然后采用改进SIFT算法提取舰船图像拼接特征点,根据特征点进行两幅舰船图像的拼接操作,最后采用多种舰船图像进行了拼接测试实验,以验证改进SIFT算法的优越性。结果表明,改进SIFT算法避免了当前舰船图像拼接算法存在的局限性,不仅能够以高准确率实现舰船图像拼接,而且舰船图像拼接过程更加简单,加快了舰船图像拼接速度,取得了满意的舰船图像拼接结果。 相似文献
3.
4.
目标检测与跟踪是舰船应用中的一个重要研究方向,针对当前舰船目标检测与跟踪存在的一些难题,为提高舰船目标检测与跟踪效果,设计了一种云环境下的舰船目标检测与跟踪方法。首先收集舰船目标检测与跟踪的数据,并对舰船目标的背景进行建模,然后采用卡尔曼滤波算法实现舰船目标检测与跟踪,并利用云环境作为舰船目标检测与跟踪的平台,最后在Matlab 2016平台上进行仿真实验,测试舰船目标检测与跟踪的效果,本文方法的舰船目标跟踪精度高,具有良好的舰船目标跟踪实时性。 相似文献
5.
为了解决当前舰船目标检测过程中存在的检测误差、检测实时性差的缺点,设计了一种云平台和神经网络的舰船目标检测方法。首先采用混合高斯模型对舰船目标所在区域进行获取,然后采用粒子滤波算法对舰船目标进行跟踪和检测,并采用神经网络对舰船目标粒子滤波算法的权值进行优化和更新操作,解决粒子滤波算法的缺陷,最后基于云平台对舰船目标检测方法进行了设计,并进行了舰船目标检测仿真模拟实验。结果表明,本文方法可以对各种环境中的舰船目标进行准确的检测,提高了舰船目标检测的鲁棒性,而且舰船目标检测实时性也得到了明显的改善,克服了当前舰船目标检测方法存在的缺陷,是一种有效的舰船目标检测方法。 相似文献
6.
《舰船科学技术》2020,(12)
图像检索是舰船图像分析领域的热点,当前舰船图像检索算法没有考虑用户对不同区域感兴趣的差异性,使得舰船图像检索效果很差,为了获得更优的舰船图像检索结果,本文设计一种基于感兴趣区域的舰船图像检索算法。首先分析当前舰船图像检索的研究进展,描述了感兴趣区域的舰船图像检索流程,然后采集舰船图像,对它进行一定变换处理,并从舰船图像中提取兴趣点,最后引入机器学习算法根据兴趣点实现舰船图像检索,采用多幅舰船图像进行了检索仿真测试。结果表明,与传统舰船图像检索算法相比,本文算法不仅获得民更高精度的舰船图像检索结果,而且明显缩短了舰船图像检索的平均时间,可以帮助用户快速检索到自己真正需要的舰船图像检索,实际应用价值更高。 相似文献
7.
拼接方法是改善舰船图像质量的一种重要技术,拼接好坏直接影响舰船图像的实际应用价值,针对当前舰船图像拼接过程中存在的速度慢、精度低等缺陷,设计了基于安卓平台的舰船图像拼接方法。首先对舰船图像拼接相关方法进行分析,分析它们的局限性,然后采集舰船图像,采用小波变换对图像进行处理,得到不同尺度的子带系数,对于不同子带系数采用不同的配准,实现舰船图像拼接,最后设计了舰船图像的安卓平台,并对其有效性进行了仿真测试。结果表明,本文方法可以对舰船图像进行完整的拼接,拼接后的舰船图像可以更好描述所要表达的信息,提高了舰船图像拼接质量,舰船图像拼接效率比较高,其舰船图像拼接效果明显优于对比方法,为舰船图像拼接问题解决提供了一种新的思路。 相似文献
8.
9.
当前舰船图像拼接技术存在拼接准确率低、拼接速度慢等问题,为了提高舰船图像拼接精度,设计了基于图像增强技术的舰船图像拼接方法。首先对当前舰船图像拼接方法进行分析,得到舰船图像拼接准确率低的原因,然后采用图像增强技术对原始舰船图像进行预处理,提高舰船图像的清晰度,并计算舰船图像的分块邻域梯度向量,得到舰船图像的初始拼接结果,最后去除舰船图像初始拼接结果中的拼接错误,并引入聚类分析算法对舰船图像拼接结果进行优化。舰船图像拼接仿真测试结果表明,本文方法可以消除图像相似性对拼接结果的不利影响,可以进行高精度的舰船图像拼接,并且减少了舰船图像拼接时间,舰船图像拼接速度要快于当前其他舰船图像拼接方法,获得了令人满意的舰船图像拼接结果。 相似文献
10.
11.
12.
13.
14.
《舰船科学技术》2019,(24)
当前舰船图像自动分割方法存在"过分割"或者"欠分割"现象,使得舰船图像自动分割误差大。为了提高舰船图像自动分割精度,提出了基于深度卷积网络的舰船图像自动分割方法。对当前舰船图像自动分割的研究现状进行分析,找到引起舰船图像分割误差的原因。采用活动轮廓模型对舰船图像进行粗分割,并找到其中的舰船图像错误分割区域。最后,采用深度卷积网络对舰船图像的错误分割结果进行校正,实现舰船图像进行精细分割,并与活动轮廓模型的舰船图像自动分割方法进行了对比实验。结果表明,相对于活动轮廓模型,深度卷积网络的舰船图像分割精度更高,降低了舰船图像的误分割率,验证了本文舰船图像自动分割方法的优越性。 相似文献
15.
舰船图像拼接是舰船图像处理领域的关键技术,为了降低舰船图像拼接误差,使拼接后的舰船图像更加完整,提出了基于互信息技术的舰船图像拼接方法。首先对当前舰船图像拼接研究现状进行分析,找到各种舰船图像拼接方法的缺陷,然后采集舰船图像,提取舰船图像拼接特征,最后基于互信息技术描述2幅舰船图像的相关性,进行舰船图像配准和拼接,并进行了舰船图像拼接仿真实验。结果表明,本文方法可以得到比较完整的舰船图像拼接结果,降低了舰船图像拼接误差,舰船图像拼接速度要快于对比方法 2倍以上,提高了舰船图像拼接效率,验证了本文方法的优越性。 相似文献
16.
基于遥感图像的舰船目标检测及特征提取技术 总被引:1,自引:1,他引:0
《舰船科学技术》2014,(12):112-115
首先运用OSTU算法对舰船目标图像的陆域和海域空间分离,进而提出一种基于云干扰背景的高斯分布混合统计模型进行虚假目标的过滤。在实现舰船目标(ROI)检测的基础上,又根据舰船图像的特征提取形态特征和尾迹特征等,精确实现对舰船目标鉴别。数据表明,通过以上步骤的技术处理,能够很好地实现对遥感图像的舰船目标进行虚假过滤和快速的舰船特征提取。 相似文献
17.
当前图像分割算法存在分割错误率高、分割速度无法满足实际应用要求的缺陷,为了提高图像分割的精度和速度,设计了基于神经网络和多特征的图像自动分割算法。首先分析当前国内外图像分割算法的研究进展,找到引起当前图像分割局限性的因素,然后从图像中提取描述不同目标特征,并选择部分最有效特征组合成为图像分割的特征集合,最后采用神经网络对图像的不同区域进行建模和分类,实现图像分割,并与其他图像分割算法进行优越性对比测试。结果表明,神经网络和多特征的图像分割错误率低,图像分割精度超过95%,图像分割平均值时间要少于对比图像分割算法,图像分割速度更快。 相似文献
18.
19.
20.
为提升舰船三维重构结果的细节丰富度,在双目视觉支持下提出红外遥感舰船图像三维重构设计方法。通过像素坐标系与世界坐标系的转换,融合可见光图像与红外遥感图像的点云信息。从可见光图像与红外遥感图像融合结果中提取舰船目标的质心、质心区域灰度以及舰船区域面积的特征点。利用半全局匹配算法,匹配提取特征点。依据匹配结果采用三角化曲面算法实现舰船图像三维重构。实验结果表明,该方法重构获取的舰船图像,细节丰富,未出现空洞或细节丢失情况。 相似文献